该文综述自监督表征学习中的数据增强与变换设计，涵盖AugSelf辅助损失、同态自监督框架、旋转预测任务、高斯随机场局部变换及可学习变换等方法，探讨编码器与映射器关系、变换对下游任务的影响，并指出不同视觉任务需不同增强策略，互补不变性表征可提升迁移与下游性能。